joaoabcoelho / ModeloCartoletas

Exemplo simples de como prever valorização no CartolaFC

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

ModeloCartoletas

Essa é uma implementação do provável modelo exato de valorização do CartolaFC e utilizado pelo CartolaAnalitico. Uma descrição mais aprofundada do modelo pode ser encontrada aqui.

ModeloCartoleta.h

Contém o modelo em si. São necessários os seguintes dados do jogador para prever a valorização:

  • Pontuação na rodada em questão
  • Preço do jogador
  • Média do jogador
  • Número de jogos que participou
  • Preço médio do jogador ao longo do ano
  • Número da rodada em questão
  • Número da rodada em que o jogador foi adicionado no CartolaFC

A previsão leva em conta uma correção de inflação, e para isso é necessário contabilizar todos os atletas que atuaram. Esse fator sempre gira em torno de 0.15 e essa pode ser uma estimativa inicial caso não seja possível utilizar todos os atletas.

DadosExemplo.csv

Contém um exemplo com todos os atletas que atuaram na rodada 5 CartolaFC 2020, incluindo todas as variáveis necessárias e também a valorização real que cada atleta obteve na rodada.

TestCartoleta.C

Um exemplo de como aplicar o modelo aos dados acima. Como resultado, são informadas o erro médio (accuracy) da previsão e o desvio padrão da distribuição de erros (precision). A precisão do modelo é menor que C$0.01.

Performance

Testamos o nosso modelo com dados do CartolaFC entre 2018 e 2020 e obtivemos resultados quase perfeitos. Os erros remanescentes parecem ser relacionados a alguns fatores minoritários como a definição do preço mínimo do jogador, a estratégia de arredondamento, e alguns erros da base de dados quando atletas são retirados do mercado no meio de uma rodada.

Como exemplo temos aqui a distribuição de resíduos do modelo em função do preço do jogador ao fim da rodada para as 11 primeiras rodadas do CartolaFC 2020.

Alt text

About

Exemplo simples de como prever valorização no CartolaFC

License:GNU General Public License v3.0


Languages

Language:Python 38.3%Language:C 34.3%Language:C++ 24.2%Language:Makefile 3.3%